面向 3D 单目标跟踪的隐式高效点云补全
计算机视觉与模式识别
2023-02-10 v2
摘要
基于点云的三维单目标跟踪已引起越来越多的关注。尽管取得了诸多突破，我们也揭示了两个严重问题。通过广泛分析，我们发现当前方法的预测方式不够鲁棒，即预测分数与实际定位精度之间存在错位差距。另一问题是稀疏点返回会损害 SOT 任务的特征匹配过程。基于这些洞察，我们分别引入两个新模块，即自适应细化预测（Adaptive Refine Prediction, ARP）与目标知识迁移（Target Knowledge Transfer, TKT）来解决它们。为此，我们首先设计了一个强流水线以提取判别性特征并利用注意力机制进行匹配。然后，提出 ARP 模块通过聚合所有带有有价值线索的预测候选来解决错位问题。最后，设计 TKT 模块以有效克服因稀疏与遮挡问题导致的不完整点云。我们将整体框架称为 PCET。通过在 KITTI 与 Waymo Open Dataset 上进行大量实验，我们的模型在保持更低计算成本的同时取得了最先进的性能。
引用
@article{arxiv.2209.00522,
title = {Implicit and Efficient Point Cloud Completion for 3D Single Object Tracking},
author = {Pan Wang and Liangliang Ren and Shengkai Wu and Jinrong Yang and En Yu and Hangcheng Yu and Xiaoping Li},
journal= {arXiv preprint arXiv:2209.00522},
year = {2023}
}
备注
Accepted to the IEEE Robotics and Automation Letters (RA-L)